RFM模型概述
R=Recency距离最近一次交易的时间：用来代表客户粘性，分5、4、3、2、1，五个等级，5代表最后一次交易距离当前时间进、1代表最后一次交易距离当前时间远
F=Frequency交易频率：用来代表客户忠诚度，分5、4、3、2、1，五个等级，5代表交易次数/频率大客户忠诚度高、1代表交易次数/频率小客户忠诚度低
M=Monetary交易金额：用户代表客户贡献的收入，分5、4、3、2、1，五个等级，5代表交易金额大、1代表交易小
RFM三个维度、每个维度有五个值，理乱上会有125种客户层级，本文把客户分为重要、中等、一般三层，每层4种，共划分为12类客户群体，如下：
| 客户类型 | R（客户粘性） | F（忠诚度） | M（收入） |
|---|---|---|---|
| 重要价值 | R>=4 | F>=4 | M>=4 |
| 重要保持 | R<4 | F>=4 | M>=4 |
| 重要发展 | R>=4 | F<4 | M>=4 |
| 重要挽留 | R<4 | F<4 | M>=4 |
| 中等价值 | R>=3 | F>=3 | 2<=M<4 |
| 中等保持 | R<3 | F>=3 | 2<=M<4 |
| 中等发展 | R>=3 | F<3 | 2<=M<4 |
| 中等挽留 | R<3 | F<3 | 2<=M<4 |
| 一般价值 | R>=2 | F>=2 | M<2 |
| 一般保持 | R<2 F>=2 | M<2 | |
| 一般发展 | R>=2 | F<2 | M<2 |
| 一般挽留 | R<2 | F<2 | M<2 |
RFM值划分的依据：
-
简单粗暴型（固定值）
R=Recency距离最近一次交易的时间
5天：5
10天：4
15天：3
20天：2
其它：1
F=Frequency交易频率/次数
<=1次：1
1<至<=4次：2
4<至<=7次：3
7<至<=10次：4
其它：5
M=Monetary交易金额
<=100：1
100<至<=500：2
500<至<=1000：3
1000<至<=1500：4
其它：5
具体间距值根据实际业务动态分配 -
简单算法型（根据算法算出固定值）
R值：取所有客户的距离最近一次交易的时间，算出平均值、中位值、四分位数等，然后确定R值划分依据
F值：取所有客户的交易次数，算出平均值、中位值、四分位数等，然后确定F值划分依据
M值：取所有客户的交易金额，算出平均值、中位值、四分位数等，然后确定M值划分依据
注意这个计算区间可以是最近一年、两年全部生命周期等 -
根据k-means等聚类算法自动聚合人群
RFM模型 tableau 实现
数据源：
数据源.png
计算RFM模型需要包含订单编码、会员ID、订单金额、创建时间四列
计算R值：根据创建时间计算每个会员最后一次下单时间；
计算F值：根据订单编码计算每个会员的下单次数；
计算M值：根据订单金额计算每个会员的下单金额；
源数据中一行代表一个订单，需要根据会员编码排重单个会员的R、F、M值；
简单粗暴型（固定值） tableau实现
计算R（最后一次下单距离当前时间）
1.计算最近一笔交易距离当前时间
计算最近一笔交易距离当前时间.png
DATEDIFF('day',[gmt_create],#2019-05-25#)
2.创建参数R
R=5.png
5天：5
10天：4
15天：3
20天：2
3.计算R的人数
计算R的人数.png
IF [最近一笔交易距离当前时间] <= [R=5] THEN '5'
ELSEIF [最近一笔交易距离当前时间] <= [R=4] THEN '4'
ELSEIF [最近一笔交易距离当前时间] <= [R=3] THEN '3'
ELSEIF [最近一笔交易距离当前时间] <= [R=2] THEN '2'
ELSE '1'
END
4.查看R的人数
查看R的人数.png
以上计算方式，没有根据会员ID排除重复项，需要按照以下修复一下：
0.计算每个人最后一次下单时间
{FIXED [member_id]:MAX([gmt_create])}
1.计算最近一笔交易距离当前时间
DATEDIFF('day',[最后一次下单时间],#2019-05-25#)
后面再执行2、3、4步骤就正常了
函数解释
DATEDIFF(单位,开始时间,结束时间)：结束时间-开始时间
[gmt_create]：订单创建时间
2019-05-25：报表是5-24号导出的，故用5-25算当前时间
FIXED：使用指定的维度计算聚合
MAX：计算最大值
计算F（计算消费次数）
1.计算每个人的交易次数
计算每个人的交易次数.png
{ FIXED [member_id]:COUNTD([code])}
2.创建参数F
创建参数F.png
<=1次：1
1<至<=4次：2
4<至<=7次：3
7<至<=10次：4
其它：5
3.计算F的人数
计算F的人数.png
IF [交易次数] <= [F=1] THEN '1'
ELSEIF [交易次数] <= [F=2] THEN '2'
ELSEIF [交易次数] <= [F=3] THEN '3'
ELSEIF [交易次数] <= [F=4] THEN '4'
ELSE '5'
END
函数解释
COUNTD：返回组中不同项的数量
计算M（计算消费金额）
1.计算每个人的交易金额
计算每个人的交易金额.png
{ FIXED [member_id]:SUM([payable_money])}
2.创建参数M
创建参数M.png
<=100：1
100<至<=500：2
500<至<=1000：3
1000<至<=1500：4
其它：5
3.计算M的人数
计算M的人数.png
IF [交易次数] <= [F=1] THEN '1'
ELSEIF [交易次数] <= [F=2] THEN '2'
ELSEIF [交易次数] <= [F=3] THEN '3'
ELSEIF [交易次数] <= [F=4] THEN '4'
ELSE '5'
END
计算RFM
-
创建RFM计算字段
创建RFM计算字段.png
IF [R值]>=4 AND [F值]>=4 AND [M值]>=4 THEN '重要价值客户'
ELSEIF [R值]<4 AND [F值]>=4 AND [M值]>=4 THEN '重要保持客户'
ELSEIF [R值]>=4 AND [F值]<4 AND [M值]>=4 THEN '重要发展客户'
ELSEIF [R值]<4 AND [F值]<4 AND [M值]>=4 THEN '重要挽留客户'
ELSEIF [R值]>=3 AND [F值]>=3 AND 2<=[M值] AND [M值]<4 THEN '中等价值客户'
ELSEIF [R值]<3 AND [F值]>=3 AND 2<=[M值] AND [M值]<4 THEN '中等保持客户'
ELSEIF [R值]>=3 AND [F值]<3 AND 2<=[M值] AND [M值]<4 THEN '中等发展客户'
ELSEIF [R值]<3 AND [F值]<3 AND 2<=[M值] AND [M值]<4 THEN '中等挽留客户'
ELSEIF [R值]>=2 AND [F值]>=2 AND [M值]<2 THEN '一般价值客户'
ELSEIF [R值]<2 AND [F值]>=2 AND [M值]<2 THEN '一般保持客户'
ELSEIF [R值]>=2 AND [F值]<2 AND [M值]<2 THEN '一般发展客户'
ELSEIF [R值]<2 AND [F值]<2 AND [M值]<2 THEN '一般挽留客户'
END
-
查看RFM的值
查看RFM的值.png
注意：由于一般价值、一般保持、重要发展、重要挽留类型的客户数量为0，故没有展示出来
创建dashboard
dashboard.png
网友评论